“Titanic”

Importar dase de datos

#file.choose()
base_de_datos <- read.csv("/Users/carlosgonzalez/Desktop/Analitica para negocios/Modulo 3/Todos los R Rdowns y HTMLs/titanic.csv")

Entender base de datos

summary(base_de_datos)

##      pclass         survived         name               sex           
##  Min.   :1.000   Min.   :0.000   Length:1309        Length:1309       
##  1st Qu.:2.000   1st Qu.:0.000   Class :character   Class :character  
##  Median :3.000   Median :0.000   Mode  :character   Mode  :character  
##  Mean   :2.295   Mean   :0.382                                        
##  3rd Qu.:3.000   3rd Qu.:1.000                                        
##  Max.   :3.000   Max.   :1.000                                        
##                                                                       
##       age              sibsp            parch          ticket         
##  Min.   : 0.1667   Min.   :0.0000   Min.   :0.000   Length:1309       
##  1st Qu.:21.0000   1st Qu.:0.0000   1st Qu.:0.000   Class :character  
##  Median :28.0000   Median :0.0000   Median :0.000   Mode  :character  
##  Mean   :29.8811   Mean   :0.4989   Mean   :0.385                     
##  3rd Qu.:39.0000   3rd Qu.:1.0000   3rd Qu.:0.000                     
##  Max.   :80.0000   Max.   :8.0000   Max.   :9.000                     
##  NA's   :263                                                          
##       fare            cabin             embarked             boat          
##  Min.   :  0.000   Length:1309        Length:1309        Length:1309       
##  1st Qu.:  7.896   Class :character   Class :character   Class :character  
##  Median : 14.454   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 33.295                                                           
##  3rd Qu.: 31.275                                                           
##  Max.   :512.329                                                           
##  NA's   :1                                                                 
##       body        home.dest        
##  Min.   :  1.0   Length:1309       
##  1st Qu.: 72.0   Class :character  
##  Median :155.0   Mode  :character  
##  Mean   :160.8                     
##  3rd Qu.:256.0                     
##  Max.   :328.0                     
##  NA's   :1188

Filtrar base de datos

titanic <- base_de_datos[,c("pclass", "age", "sex", "survived")]

titanic$survived <- as.factor (ifelse(titanic$survived==0,"Murió?","Sobreviví?"))
titanic$pclass <- as.factor (titanic$pclass)
titanic$sex <- as.factor(titanic$sex)
str(titanic)

## 'data.frame':    1309 obs. of  4 variables:
##  $ pclass  : Factor w/ 3 levels "1","2","3": 1 1 1 1 1 1 1 1 1 1 ...
##  $ age     : num  29 0.917 2 30 25 ...
##  $ sex     : Factor w/ 2 levels "female","male": 1 2 1 2 1 2 1 2 1 2 ...
##  $ survived: Factor w/ 2 levels "Murió?","Sobreviví?": 2 2 1 1 1 2 2 1 2 1 ...

sum(is.na(titanic))

## [1] 263

titanic <- na.omit(titanic)

Crear arbol de decisión

library(rpart)
arbol <- rpart(formula = survived ~ ., data = titanic )
arbol

## n= 1046 
## 
## node), split, n, loss, yval, (yprob)
##       * denotes terminal node
## 
##  1) root 1046 427 Murió? (0.59177820 0.40822180)  
##    2) sex=male 658 135 Murió? (0.79483283 0.20516717)  
##      4) age>=9.5 615 110 Murió? (0.82113821 0.17886179) *
##      5) age< 9.5 43  18 Sobreviví? (0.41860465 0.58139535)  
##       10) pclass=3 29  11 Murió? (0.62068966 0.37931034) *
##       11) pclass=1,2 14   0 Sobreviví? (0.00000000 1.00000000) *
##    3) sex=female 388  96 Sobreviví? (0.24742268 0.75257732)  
##      6) pclass=3 152  72 Murió? (0.52631579 0.47368421)  
##       12) age>=1.5 145  66 Murió? (0.54482759 0.45517241) *
##       13) age< 1.5 7   1 Sobreviví? (0.14285714 0.85714286) *
##      7) pclass=1,2 236  16 Sobreviví? (0.06779661 0.93220339) *

#install.packages("rpart.plot")
library(rpart.plot)

rpart.plot(arbol)

prp(arbol,extra=7,prefix="fraccion/n")

Conclusion

Por una parte, aprendí de lo que es capaz la libreria de rpart y rpart.plot para realizar arboles de decision; ahora bien, para aplicado a este caso, considero de gran utilidad el hecho de que deja saber de las distintas clases que existían en el barco, el porcentaje de probabilidad de sobrevivir al hundimiento de la embarcacón, lo cual da lugar a identificar cuales fueron elementos claves para que un pasajero sobreviviera y con base a ello analizar lo sucedido.